跳转到主要内容
Wan 2.6 R2V 的 API 参考。Wan 2.6 参考生视频可将一到三个参考视频中的主体带入新的场景,并在提示词中以 character1、character2 等加以指代。 输入: 图像, 视频, 文本 · 输出: 视频 + 音频

快速开始

在你的 Comfy 工作区中创建一个密钥,并将其导出为 COMFY_API_KEY。Python 和 TypeScript 代码片段使用 Comfy SDK(pip install comfy-sdk 和 npm install @comfyorg/sdk);cURL 代码片段则是通过原生 HTTP 发起的同一次调用。 模型 ID: wan/wan2.6-r2v 端点: POST https://api.comfy.org/v2/models/wan/wan2.6-r2v
同一请求体,发送至 POST https://api.comfy.org/v2/models/wan/wan2.6-r2v/requests。只要运行被接受,Router 就会返回 201 和一个 request_id,结果就绪后即可收集,无论从当前进程还是其他进程。队列投递 介绍了状态查询、取消和结果收集。

Schema

输入

object
必填
输入基本信息,例如提示词等。
string
音频文件下载网址。支持的格式:mp3 和 wav。不能与 reference_video_urls 同时使用。
string
首帧图像网址或 Base64 编码数据。wan2.5-i2v-preview 和 wan2.6-i2v 模型必填。happyhorse-1.x 的 i2v 拼写不在此处接收首帧:它们将首帧作为 type 为 first_frame 的 media 元素传入(参见下文 media);并且在 wan2.6-i2v 上能够成功的 img_url 请求体,在 happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上会被提供商拒绝;wan2.7/wan3.0 的拼写同样在 media 中传入其参考资产。图像格式:JPEG、JPG、PNG、BMP、WEBP。分辨率:360-2000 像素。文件大小:最大 10MB。
object[]
媒体资产列表。指定用于视频生成的参考素材(图像、音频、视频)。每个元素包含 type 和 url 字段。此字段由此组件提供的所有模型共用,而给定模型接受哪些 type 值,以及它究竟是把图像或视频输入放在这里而非 img_url 或 reference_video_urls 中,都因模型而异。各模型支持的 type 值如下:
  • wan2.7-i2v: first_frame, last_frame, driving_audio, first_clip. first_frame 和 last_frame:JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址。driving_audio(WAV/MP3,2-30 秒,最大 15MB)和 first_clip(MP4/MOV,2-10 秒,每边 240-4096 像素,最大 100MB):公开的 HTTP/HTTPS 网址;不接受内联 data: 网址。
  • wan2.7-r2v: first_frame(可选,最大 1 个)、reference_image、reference_video。至少需要一个 reference_image 或 reference_video,且参考图像加参考视频总计最多 5 个。first_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP(不含透明度通道),每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址。reference_video:公开的 HTTP/HTTPS 网址;不接受内联 data: 网址。
  • wan2.7-videoedit: video(恰好 1 个,即被编辑的片段:MP4/MOV,2-10 秒,每边 240-4096 像素,最大 100MB,公开的 HTTP/HTTPS 网址;不接受内联 data: 网址),外加可选的 0 到 4 个 reference_image(JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址)。
  • wan3.0-video, wan3.0-video-prime: first_frame(最大 1 个)、last_frame(最大 1 个)、reference_image(最大 10 个)、reference_video(最大 5 个片段,总时长 <= 15s)、reference_audio(最大 5 个片段,总时长 <= 15s)、file(最大 1 个,不能与 link 同时使用)、link(最大 1 个,不能与 file 同时使用)。reference_*/file/link 类型与 first_frame/last_frame 类型在同一请求内互斥。数组顺序决定资产在提示词中的参考顺序(Image 1、Video 1、Audio 1……)。first_frame、last_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比最大 8:1,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址。reference_video、reference_audio、file 和 link:公开的 HTTP/HTTPS 网址;不接受内联 data: 网址。
  • happyhorse-1.0-i2v, happyhorse-1.1-i2v: 仅 first_frame,恰好 1 个。这些拼写在此处接收首帧,而不是在 img_url 中。至少 300x300 像素,宽高比在 1:2.5 到 2.5:1 之间,JPEG/JPG/PNG/WEBP,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址。
  • happyhorse-1.0-r2v, happyhorse-1.1-r2v: 仅 reference_image,1 到 9 个。这是该模型唯一的参考输入。最短边至少 400 像素,JPEG/JPG/PNG/WEBP,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址。reference_video 不是此操作的输入类型。
  • happyhorse-1.0-video-edit: video(恰好 1 个,即被编辑的片段:MP4/MOV,3-60 秒,长边最大 4096 像素,短边至少 360 像素,宽高比在 1:2.5 到 2.5:1 之间,最大 100MB,公开的 HTTP/HTTPS 网址;不接受内联 data: 网址),外加可选的 0 到 5 个 reference_image(JPEG/JPG/PNG/BMP/WEBP,至少 300x300 像素,宽高比在 1:2.5 到 2.5:1 之间,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址)。
  • happyhorse-1.0-t2v, happyhorse-1.1-t2v, wan2.7-t2v, wan2.6-t2v, wan2.5-t2v-preview: 文生视频操作。其对应的参考文档未记载任何 media 输入,因此请保持此字段不设置。
  • wan2.5-i2v-preview, wan2.6-i2v, wan2.6-r2v: 本组件未为这些拼写枚举任何 media 词汇。wan2.5-i2v-preview 和 wan2.6-i2v 在 img_url 中接收首帧;wan2.6-r2v 在 reference_video_urls 中接收其参考片段。
上述各模型的计数是合作伙伴的限制,而不是本 Schema 的限制:media 上没有声明 minItems/maxItems,因为可接受的类型及其上限因模型而异。Schema 接受并不意味着提供商接受;反过来说,上文每个资产的“最多 20MB”数值,也就是图像输入(唯一可以内联发送的输入)的上限,是合作伙伴对其最终接收到的资产所设的上限,当资产是公开网址时,这些数值按原文生效,因为这些字节从不经过 Comfy。而内联的 data:{MIME_type};base64,… 网址确实会经过 Comfy,并同样要面对一个传输上限:Comfy Router 的 POST 请求体总计上限为 100 MiB,超过就返回 413,而 base64 会使负载膨胀约 4/3,因此单个内联资产一旦超过大约 75 MB,就会在触及这里的任何合作伙伴规则之前被拒绝。在这样的体积下,单个资产按合作伙伴自身的 20MB 上限可轻松容纳内联内容,因此对于单个资产,起约束作用的是合作伙伴规则;而涉及多个资产时则受传输上限约束,因为 Router 的 100 MiB 上限约束的是整个请求,而非每个元素。任何接近这些上限的内容,请以公共 URL 形式发送。
string
必填
媒体资产类型可选值:first_frame、last_frame、driving_audio、first_clip、reference_image、reference_video、reference_audio、video、file、link
string
必填
媒体文件的 URL:一个公共 HTTP/HTTPS URL;或者,仅对上方 media 描述中为各模型列出的 IMAGE 输入(wan2.7-i2v 的 first_frame 和 last_frame;wan2.7-r2v 的 first_frame 和 reference_image;wan2.7-videoedit 的 reference_image;wan3.0-video 和 wan3.0-video-prime 的 first_frame、last_frame 和 reference_image;happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 的 first_frame;happyhorse-1.0-r2v 和 happyhorse-1.1-r2v 的 reference_image;以及 happyhorse-1.0-video-edit 的 reference_image),可以是内联的 data:{MIME_type};base64,... URL。这些模型上任何视频、音频、文件或 link 输入都不接受内联 data: URL。来自合作伙伴自有上传服务的 oss://dashscope-instant 临时 URL,或(在 wan2.7-videoedit 上)Asset Center 的 asset_id,只能对上传它的那个阿里云账户生效;Comfy 使用自己的密钥发起模型调用,且不提供上传通道,因此调用方自己的 oss:// URL 或 asset_id 不是受支持的输入。此字段不校验 URL 的协议,因此这类值会原样转发给合作伙伴,而不会在此处被拒绝。各模型的大小与像素限制,以及约束内联载荷总量的 100 MiB Router 请求体上限,请参见 media 描述。
string
反向提示词用于描述你不希望在视频画面中看到的内容。超过 500 个字符时,wan 模型会截断它,而不是拒绝它。它与 prompt 计入同一输入预算。
string
文本提示词。支持中文和英文。超过各自文档规定的长度时,wan2.x 模型会截断提示词,而不是拒绝它:wan2.5 和 wan2.6 为 1,500 个字符,wan2.7 为 5,000 个字符。wan3.0-video 和 wan3.0-video-prime 最多接受 20,000 个字符。如果 prompt 与 negative_prompt 合计超过约 60,850 字节的 UTF-8 文本(约 20,000 个汉字),提供商将拒绝该请求,并返回 InvalidParameter Range of input length should be [1, 61440]。 对于带有多个参考视频的 wan2.6-r2v,请按参考视频的顺序使用 ‘character1’、‘character2’ 等来指代主体。示例:“Character1 在路边唱歌,Character2 在旁边跳舞” 对于 wan3.0-video 的参考模式,请使用 ‘Image 1’、‘Video 1’、‘Audio 1’ 等,按媒体数组中对应的顺序指代媒体资产。
string[]
仅用于 wan2.6-r2v 模型的参考视频 URL。1-3 个视频 URL 组成的数组。 输入限制:
  • 格式:mp4、mov
  • 数量:1-3 个视频
  • 单个视频时长:2-30 秒
  • 单个文件大小:最大 30MB
  • 不能与 audio_url 一起使用 参考时长:单个视频最长 5s,两个视频每个最长 2.5s,三个视频按比例更短。 计费:按实际使用的参考时长计算。
string
视频效果模板名称。可选。当前支持:squish、flying、carousel。使用时,prompt 参数将被忽略。
string
要调用的模型 ID。此组件上不做约束:Comfy Router 会从 POST /v2/models/wan/{model} 的 {model} 路径段中填入它,因此 Router 调用方可以省略。直接对 POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis 发起 v1 调用时则必须提供它,可接受的拼写枚举位于该操作自己的组件 WanVideoGenerationRequest 上。
object
视频处理参数
boolean
默认值:"true"
是否为视频添加音频。仅 wan3.0-video 和 wan3.0-video-prime 支持;提供商未为其他 wan 模型记录此类开关。
string
默认值:"\"auto\""
wan2.7-videoedit 模型的视频音频设置。
  • auto(默认):模型根据提示词内容智能判断
  • origin:强制保留输入视频的原始音频 可选值:auto、origin
integer
默认值:"5"
生成视频的时长,单位为秒:
  • wan2.5 模型:5 或 10 秒
  • wan2.6-t2v、wan2.6-i2v:5、10 或 15 秒
  • wan2.6-r2v:仅 5 或 10 秒(不支持 15s)
  • wan2.7-i2v、wan2.7-t2v:[2, 15] 区间内的整数
  • wan2.7-r2v、wan2.7-videoedit:[2, 10] 区间内的整数
  • wan3.0-video:无视频输入时为 [2, 30] 区间内的整数;有视频输入时, 输入视频总时长 + 输出视频时长不得超过 30 秒;-1 启用智能时长模式, 由模型选择合适的时长 此代理对超出 [-1, 30] 的 duration 返回 400。 范围:-1 到 30
boolean
默认值:"true"
是否启用提示词智能改写。默认为 true
string
生成视频的宽高比。仅适用于 wan2.7 和 wan3.0 模型。 对于 wan2.7 模型,若未提供,则根据分辨率档位取默认值。 对于 wan3.0-video,adaptive(默认值)会根据输入媒体的比例和意图自动推荐合适的宽高比。可能的值:adaptive、16:9、9:16、1:1、4:3、3:4
string
分辨率等级。支持的值因模型而异:
  • wan2.5-i2v-preview:480P、720P、1080P
  • wan2.6 模型(t2v、i2v、r2v):仅支持 720P、1080P(不支持 480P)
  • wan2.7 模型(i2v、t2v、r2v、videoedit):720P、1080P(默认 1080P)
  • wan3.0-video、wan3.0-video-prime:480P、720P、1080P(上游默认 1080P)
  • happyhorse-1.0-*(t2v、i2v、r2v、video-edit):720P、1080P
  • happyhorse-1.1-*(t2v、i2v、r2v):480P、720P、1080P 本代理会拒绝既不提供 resolution 也不提供 size 的视频生成请求,因为分辨率档位决定计费费率。它会在检查前先将 resolution 转为大写并转发大写后的值,对于不在该枚举范围内的值返回 400,对于上文列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型,返回 400(无论该 480P 是以 resolution 还是以 480P 的 size 形式发送)。 可能的值:480P、720P、1080P
integer
随机数种子,用于控制模型生成内容的随机性取值范围:0 到 2147483647
string
默认值:"\"single\""
智能多镜头控制。仅在 prompt_extend 启用时生效。 适用于 wan2.6 和 wan2.7-r2v 模型。
  • single:单镜头视频(默认)
  • multi:多镜头视频 可能的值:multi、single
string
视频分辨率,格式为 widthheight。支持的尺寸因模型而异: 对于 wan2.5 T2V:480P(480832、832480、624624)、720P、1080P 尺寸 对于 wan2.6 T2V/R2V(不支持 480P): 720P:1280720、7201280、960960、1088832、8321088 1080P:19201080、10801920、14401440、16321248、12481632 当同时发送 size 和 resolution 时,由 size 选择计费档位,而 resolution 仍必须是本代理针对该模型接受的值。对于分辨率描述中列为不支持 480P 的所有模型,发送 480P 的 size 都会返回 400。
boolean
默认值:"false"
是否添加水印 logo,水印位于右下角
本文档由 Router 在 GET /v2/models/wan/wan2.6-r2v/openapi.json 提供的 schema 生成,该文档也是它在请求到达提供商之前校验调用所依据的同一份文档。

输出

object
必填
string
智能改写后的实际提示词(视频任务)
string
带音频生成的 I2V 任务的音频网址
string
失败请求的错误码(请求成功时不返回)
string
任务完成时间
string
失败请求的详细信息(请求成功时不返回)
string
原始输入提示词(视频任务)
object[]
图像生成任务的任务结果列表
string
智能改写后的实际提示词(若启用)
string
图像错误码(部分任务失败时返回)
string
图像错误信息(部分任务失败时返回)
string
原始输入提示词
string
已生成图像的网址
string
任务执行时间
string
任务提交时间
string
必填
任务 ID
object
图像生成任务的任务结果统计
integer
失败任务数
integer
成功任务数
integer
任务总数
string
必填
任务状态可能值:PENDING、RUNNING、SUCCEEDED、FAILED、CANCELED、UNKNOWN
string
已完成视频生成任务的视频网址。链接有效期为 24 小时
string
必填
唯一请求标识符
object
输出信息统计。仅统计成功的结果
integer
视频分辨率等级(I2V 与 wan3.0-video 任务)
number
已生成视频的时长,单位为秒(I2V 与 wan3.0-video 任务)
integer
已生成视频的帧率(wan3.0-video 任务)
integer
已生成图像的数量(T2I 与 I2I 任务)
number
输入视频的时长,单位为秒;无视频输入时为 0.0(wan3.0-video 任务)
number
输出视频的时长,单位为秒(wan3.0-video 任务)
string
已生成视频的宽高比,例如 16:9(wan3.0-video 任务)
string
图像分辨率(T2I 与 I2I 任务)
integer
已生成视频的数量(T2V 任务)
number
已生成视频的时长,单位为秒(T2V 任务)
string
视频分辨率比例(T2V 任务)
string
失败请求的错误码,报告在响应包络的根层级而不是 output 下(请求成功时不返回)。
string
失败请求的详细信息,报告在响应包络的根层级而不是 output 下(请求成功时不返回)。在回退到 output.message 之前请先阅读此项。

示例

输入

输出

视频 URL 的有效期为 24 小时。如需保留该视频,请及时下载。

发布前须知

SDK 会生成 Idempotency-Key 并在自动重试中复用它。手动重试时,请复用原始 key。Router 最长可保持连接 10 分钟。 请求失败时,Router 会发送 X-Comfy-Error-Type 响应头说明原因。422 表示 Router 在调用提供商之前就拒绝了输入,413 表示请求体超出了 Router 可接受的大小。已生成的资源请及时下载,因为结果 URL 会过期。 上文任何字段描述中提到的尺寸限制,都是提供商对该字段自身的限定,引自提供商的规范。Router 会对整个请求体另行设置上限,base64 编码的媒体内容也计入其中:参见请求体大小。 本页记录的是通过 Comfy Router 调用的某一个合作伙伴模型。同一个 comfy-sdk / @comfyorg/sdk 包还提供第二个客户端,用于在 Comfy Cloud 上运行完整的 ComfyUI 工作流图:Comfy(api_key=...) / new Comfy({ apiKey }),并带有 client.workflows、client.assets 和 client.jobs。请参阅 Comfy SDKs。

请求头

身份验证、幂等性、请求 ID、错误分类、重试节奏、消费限额。

使用 Router API

模型发现、验证错误、重试与计费。

限制

Router 目前不支持的功能,以及替代方案。